[發(fā)明專利]基于樸素貝葉斯的電纜老化狀態(tài)評估方法和裝置

有效

• 申請?zhí)枺?/td>: 202010417893.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111610407B
• 公開（公告）日: 2022-10-18
• 發(fā)明（設(shè)計）人: 譚笑;陳杰;劉洋;王永強(qiáng);柏倉;李陳瑩;胡麗斌;曹京滎;張偉
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司電力科學(xué)研究院;國家電網(wǎng)有限公司;國網(wǎng)江蘇省電力有限公司;江蘇省電力試驗(yàn)研究院有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06N7/00
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李淑靜

1.一種基于樸素貝葉斯的電纜老化狀態(tài)評估方法，其特征在于，包括以下步驟：

收集待評估電纜的相關(guān)參數(shù)，所述的電纜的相關(guān)參數(shù)包括：電纜運(yùn)行時間、電纜是否發(fā)生過接地故障、電纜局放、電纜介損；

將待評估電纜的相關(guān)參數(shù)輸入預(yù)先構(gòu)建的樸素貝葉斯分類器，對電纜老化狀態(tài)進(jìn)行評估；其中，所述預(yù)先構(gòu)建的樸素貝葉斯分類器構(gòu)建方法如下：

獲取已有電纜的相關(guān)參數(shù)和電纜老化狀態(tài)，作為訓(xùn)練數(shù)據(jù)；

將訓(xùn)練數(shù)據(jù)中電纜的相關(guān)參數(shù)作為樸素貝葉斯分類模型的屬性變量，電纜老化狀態(tài)作為類變量，基于訓(xùn)練數(shù)據(jù)集計算各屬性變量的先驗(yàn)概率，建立樸素貝葉斯分類器，其中計算各屬性變量的先驗(yàn)概率時，對離散變量采用拉普拉斯修正的頻數(shù)計算先驗(yàn)概率，對連續(xù)變量采用高斯分布計算先驗(yàn)概率；所述樸素貝葉斯分類器的表達(dá)式如下：

其中c表示電纜老化狀態(tài)類別，y是c的取值集合，argmax是一個函數(shù)，如有結(jié)果x₀＝argmax(f(x))，則表示當(dāng)函數(shù)f(x)取x＝x₀的時候，得到f(x)取值范圍的最大值，argmax函數(shù)返回的使f(x)取值最大的x，因此h_nb(x)表示使得值最大的類別c；

所述對離散變量采用拉普拉斯修正的頻數(shù)計算先驗(yàn)概率，具體公式如下：

其中，離散變量X_t一共有m個取值，表示為{x_t1,x_t2,…,x_tm}，P(c)是電纜狀態(tài)類別為c的概率值，P(x_ti|c)是當(dāng)電纜狀態(tài)類別為c時離散變量X_t的值為x_ti的概率值，1≤i≤m，D_c表示電纜狀態(tài)類別為c的個數(shù)，D表示總數(shù)，表示電纜狀態(tài)為類別c時離散變量X_t的值為x_ti的個數(shù)，N表示可能的電纜狀態(tài)類別數(shù)，N_t表示變量X_t可能的類別數(shù)；

所述對連續(xù)變量采用高斯分布計算先驗(yàn)概率包括：

對于連續(xù)變量X_j，采用高斯分布計算當(dāng)類別為c時連續(xù)變量X_j的值為x_jk的概率值，具體公式如下：

其中P(x_jk|c)是當(dāng)電纜狀態(tài)類別為c時連續(xù)變量X_j的值為x_jk的概率值，μ為平均值，δ為標(biāo)準(zhǔn)差，兩者均通過訓(xùn)練數(shù)據(jù)中變量求得，計算公式如下：

其中x_j1,x_j2,…,x_jn表示訓(xùn)練數(shù)據(jù)中連續(xù)變量X_j中的元素。

2.根據(jù)權(quán)利要求1所述的基于樸素貝葉斯的電纜老化狀態(tài)評估方法，其特征在于，所述方法還包括：對電纜數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括對缺失數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行刪除，其中異常數(shù)據(jù)采用SPSS中的描述統(tǒng)計進(jìn)行檢測，對于Z分?jǐn)?shù)大于3或小于-3的數(shù)據(jù)，則認(rèn)為是異常數(shù)據(jù)。

3.一種基于樸素貝葉斯的電纜老化狀態(tài)評估裝置，其特征在于，包括：

參數(shù)獲取模塊，用于收集待評估電纜的相關(guān)參數(shù)，以及獲取已有電纜的相關(guān)參數(shù)和電纜老化狀態(tài)，所述已有電纜的相關(guān)參數(shù)和電纜老化狀態(tài)構(gòu)成訓(xùn)練數(shù)據(jù)，所述電纜的相關(guān)參數(shù)包括：電纜運(yùn)行時間、電纜是否發(fā)生過接地故障、電纜局放、電纜介損；

模型構(gòu)建模塊，用于根據(jù)訓(xùn)練數(shù)據(jù)中電纜的相關(guān)參數(shù)和電纜老化狀態(tài)，基于樸素貝葉斯分類模型構(gòu)建電纜老化狀態(tài)評估模型，其中，所述電纜老化狀態(tài)評估模型以訓(xùn)練數(shù)據(jù)中電纜的相關(guān)參數(shù)作為樸素貝葉斯分類模型的屬性變量，電纜老化狀態(tài)作為類變量，計算各屬性變量的先驗(yàn)概率，所述模型構(gòu)建模塊計算各屬性變量的先驗(yàn)概率時，對離散變量采用拉普拉斯修正的頻數(shù)計算先驗(yàn)概率，對連續(xù)變量采用高斯分布計算先驗(yàn)概率，所述樸素貝葉斯分類器的表達(dá)式如下：

其中c表示電纜老化狀態(tài)類別，y是c的取值集合，argmax是一個函數(shù)，如有結(jié)果x₀＝argmax(f(x))，則表示當(dāng)函數(shù)f(x)取x＝x₀的時候，得到f(x)取值范圍的最大值，argmax函數(shù)返回的使f(x)取值最大的x，因此h_nb(x)表示使得值最大的類別c；

狀態(tài)評估模塊，用于根據(jù)待評估電纜的相關(guān)參數(shù)和電纜老化狀態(tài)評估模型，對電纜的老化狀態(tài)做出評估；

所述對離散變量采用拉普拉斯修正的頻數(shù)計算先驗(yàn)概率，具體公式如下：

其中，離散變量X_t一共有m個取值，表示為{x_t1,x_t2,…,x_tm}，P(c)是電纜狀態(tài)類別為c的概率值，P(x_ti|c)是當(dāng)電纜狀態(tài)類別為c時離散變量X_t的值為x_ti的概率值，1≤i≤m，D_c表示電纜狀態(tài)類別為c的個數(shù)，D表示總數(shù)，表示電纜狀態(tài)為類別c時離散變量X_t的值為x_ti的個數(shù)，N表示可能的電纜狀態(tài)類別數(shù)，N_t表示變量X_t可能的類別數(shù)；

所述對連續(xù)變量采用高斯分布計算先驗(yàn)概率包括：

對于連續(xù)變量X_j，采用高斯分布計算當(dāng)類別為c時連續(xù)變量X_j的值為x_jk的概率值，具體公式如下：

其中P(x_jk|c)是當(dāng)電纜狀態(tài)類別為c時連續(xù)變量X_j的值為x_jk的概率值，μ為平均值，δ為標(biāo)準(zhǔn)差，兩者均通過訓(xùn)練數(shù)據(jù)中變量求得，計算公式如下：

其中x_j1,x_j2,…,x_jn表示訓(xùn)練數(shù)據(jù)中連續(xù)變量X_j中的元素。